Appearance
AI 应用开发手册
开发者视角的 AI 应用学习手册 从"猜下一个词"的原理,到 RAG / Agent / 本地部署的落地实战。
作者:曹宇春
📕 内容简介
市面上讲 AI 的内容,要么是碎片化的技巧,要么是劝退人的数学推导。本书两者都不是——它只回答一个问题:作为开发者,如何真正理解 AI、并用它做出能落地的产品。
全书 23 课,从"大模型不过是在猜下一个词"这个最朴素的原理讲起,层层推进到 RAG、Agent、提示工程、上下文工程,再到本地部署、成本优化、安全对齐与产品设计。所有知识都围绕三个第一性原理咬合成一张网,而非零散堆砌——理解了地基,再新的概念也能一眼看穿。
尤其适合关心数据不出内网、私有化部署的团队,以及想从"会用 Cursor"进阶到"会造 AI 功能"的技术人。读完你将拥有一套完整、清醒、可落地的 AI 认知,足以独立设计和把控真实的 AI 项目。
👤 适合谁读
- 想把 AI 功能集成进自己产品的后端 / 全栈开发者
- 想系统理解 AI(而非碎片刷视频)的技术人
- 关心数据不出内网 / 私有化部署的团队
- 用 Cursor / Claude Code 等 AI 工具,想知其所以然的人
🧭 怎么读
- 只想速览 → 读 前言与导读 一页,全景 + 心法 + 决策口诀都在
- 系统学习 → 按核心篇 → 进阶篇顺序读
- 查某主题 → 直接跳对应章节
- 做决策时 → 翻导读里的"三个决策口诀"
📚 目录
🧠 核心篇 —— 从原理到落地
- 第1课 · LLM 的本质
- 第2课 · 训练养成(预训练→SFT→RLHF)
- 第3课 · RAG 检索增强生成
- 第4课 · Agent 智能体
- 第5课 · Fine-tuning 微调
- 第6课 · AI 应用架构
📈 进阶篇 —— 前沿 · 工程 · 落地 · 边界
- 第7课 · 推理模型
- 第8课 · 多模态
- 第9课 · AI 的局限与天花板
- 第10课 · 提示工程
- 第11课 · Eval 评估
- 第12课 · 上下文工程
- 第13课 · AI 安全与对齐
- 第14课 · Diffusion 扩散模型
- 第15课 · 本地部署与开源模型
- 第16课 · AI 系统设计模式(Workflow vs Agent)
- 第17课 · 模型选型与成本优化
- 第18课 · 自己写一个 MCP
- 第19课 · AI 产品设计(UX)
- 第20课 · Embedding 与向量检索(深入)
- 第21课 · Agent 记忆系统
- 第22课 · AI 评测榜单怎么看
- 第23课 · 多智能体系统
© 曹宇春 · 本手册为个人学习整理,欢迎交流。